Искусственный интеллект постепенно внедряется в медицину. Теперь нейросети смогут ставить диагнозы человеку на основе результатов анализа его голоса. Больше о новой технологии - в переводе статьи издания Hello Future от представителей компании Neuro.

net на "Хабре».

Проблемы со здоровьем у человека можно выявить по анализу его голосовых биомаркеров, то есть особых характеристик голоса. В этом значительную помощь способны оказать системы искусственного интеллекта.

Важно отметить, что признаки заболеваний, определяемых по голосу, могут быть как явными, так и не очень. В первом случае нарушения легко заметит и врач, а вот во втором может понадобиться помощь современных технологий.

Существуют две категории параметров, которые оцениваются при анализе голосовых биомаркеров. Это акустические (частота, амплитуда, тон, высота голоса) и просодические (длина пауз, темп речи, длительность гласных) характеристики. Также к ним могут быть добавлены лингвистические особенности. Все эти параметры могут указывать на состояние организма человека.

Алгоритмы машинного обучения, опираясь на полученные параметры, могут поставить предварительный диагноз. Это позволит ускорить процесс диагностирования заболевания, причём затраты на подобную методику минимальны.

Конечно, для извлечения и определения голосовых биомаркеров необходимо пройти несколько этапов. Выбрать тип записи, собрать аудиоданные (пациентов для этого просят рассказать что-то о себе или зачитать текст), выбрать нужные для обучения нейросети звуковые параметры. Важно, чтобы обучение было точным - так вероятность ошибки искусственного интеллекта снижается. Поможет технология и при диагностике COVID-19.

Реализацией проекта заняты учёные из разных стран и университетов. К примеру, в США сотрудники MIT (Массачусетского технологического института) добились того, что по голосу ИИ определял симптомы болезни Альцгеймера, а позже - и коронавируса. Компания Sonde Health создала методику, при помощи которой через приложение на смартфоне можно определить депрессию.

2021-11-17 19:31